PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE ADMINISTRAÇÃO, CONTABILIDADE E ECONOMIA
PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA
Caroline Silva da Silva
INDUTORES DE IMPACTO AMBIENTAL: UM ESTUDO SOBRE A AMÉRICA LATINA
CAROLINE SILVA DA SILVA
INDUTORES DE IMPACTO AMBIENTAL: UM ESTUDO SOBRE A AMÉRICA LATINA
Dissertação submetida ao Programa de Pós-Graduação em Economia da Faculdade de Administração, Contabilidade e Economia da PUCRS, como quesito parcial para a obtenção do grau de Mestre em Economia.
Orientador: Dr. Ely José de Mattos
Catalogação na Fonte
S586i Silva, Caroline Silva da
Indutores de impacto ambiental: um estudo sobre a América Latina. / Caroline Silva da Silva. – Porto Alegre, 2015.
60 f.
Diss. (Mestrado) – Faculdade de Administração, Contabilidade e Economia, PUCRS.
Orientador: Dr. Ely José de Mattos.
1. Impacto Ambiental - Aspectos Econômicos. 2. Economia - América Latina. 3. Organização para Cooperação e Desenvolvimento Econômico.
4. Desenvolvimento Econômico - América Latina. 5. Emissão de CO2. I. Mattos, Ely José de. II. Título.
CDD 333.7
Bibliotecário Responsável Ginamara de Oliveira Lima
AGRADECIMENTOS
Agradecimentos são necessários quando estamos em uma etapa de nossa vida tão importante quanto a de se obter uma titulação em nossa profissão. Este momento é sem dúvida de muita alegria e satisfação, por isso é preciso agradecer àqueles que muito me incentivaram a estar aqui.
Foram 2 anos e meio de estudos, inquietações, aprendizado, amizades, e experiências nas quais talvez nunca pudesse ter vivenciado se não tivesse arriscado. Foram muitos dias nos quais os únicos pensamentos eram as provas e trabalhos, e a mais difícil das tarefas, a difícil e desafiadora dissertação, processo este de muito aprendizado e enriquecimento pessoal.
Durante este período surgiram muitas trocas, ideias que eram imediatamente rabiscadas para não “fugirem” do pensamento, momentos engraçados com os colegas, momentos muitas vezes de um querer mais para mim e para aqueles que me cercavam, enfim, um mundo novo foi surgindo durante o curso e principalmente um mundo no qual decidi arriscar, participar e buscar sempre novos desafios.
É preciso agradecer a todos que fizeram parte desta trajetória, que aqui fecha um ciclo. Dizer obrigado é pouco para demonstrar meu reconhecimento a todo o esforço daqueles que estiveram mesmo que por um curto período, mas de muita importância em minha vida.
Agradeço aos professores do Programa de Pós-Graduação de Ciências Econômicas que fizeram parte desta caminhada, ao apoio, a dedicação, a humildade, ao desprendimento de seus conhecimentos, a ajuda em momentos nos quais o conhecimento muitas vezes me parecia muito distante. Faço um agradecimento especial ao Professor Dr. Ely José de Mattos, pela paciência, dedicação e orientação durante este trabalho.
Agradeço a minha amiga Marivia Nunes a qual me estimulou e me ajudou muito para que eu conseguisse concluir o Mestrado, amiga muito obrigada, sem palavras para ti.
Um agradecimento especial ao meu parceiro Tiago Bertacco, o qual por muitos momentos me ajudou com palavras de incentivo. Te amo meu amor.
Carla que também sempre me apoiaram para a realização do mestrado e sem me estimularam a aprimorar meus estudos. Ao Banco Banrisul ao qual financiou parte do meu Mestrado.
RESUMO
A presente pesquisa estimou através do modelo STIRPAT e dados em painel quais os indutores da emissão total de CO2 para a América Latina, no período de 1970 a 2010.
Para tanto, a opção escolhida foi a estimação de quatro modelos, um sem efeitos fixos e os demais com efeitos fixos para países, anos e países e anos. Como resultado obtivemos que população total e população urbana são os principais indutores da emissão total de CO2, enquanto que a população economicamente ativa possui efeito negativo sobre a
emissão de CO2.
Palavras-chave: emissão de CO2; indutores de impacto ambiental; STIRPAT; América
ABSTRACT
This survey estimated through STIRPAT model and panel data which inductors of the total CO2 emissions for Latin America, from 1970 to 2010. Therefore, the option chosen was the estimation of four models, one without fixed effects and others with fixed effects for countries, years and years and countries. As a result we obtained that the total population and urban population are the main drivers of total CO2 emissions, while the economically active population has a negative effect on CO2 emissions.
SUMÁRIO
1 INTRODUÇÃO ... 13
2 REFERENCIAL TEÓRICO ... 15
2.1 BREVE HISTÓRICO: DESENVOLVIMENTO ECONÔMICO E IMPACTO AMBIENTAL ... 15
2.2 OS MODELOS CLÁSSICOS IPAT E STIRPAT ... 20
2.3 ESTUDOS DE IMPACTO AMBIENTAL ... 23
3 METODOLOGIA ... 36
3.1 ESTRATÉGIA DE ESTIMAÇÃO DO MODELO ... 36
3.2 PAÍSES E VARIÁVEIS UTILIZADAS NO MODELO ... 40
4 RESULTADOS ... 43
4.1 RESULTADOS DOS MODELOS ... 48
4.1.1 Modelo sem efeitos fixos ... 48
4.1.2 Modelo com efeitos fixos para países ... 49
4.1.3 Modelo com efeitos fixos para anos ... 51
4.1.4 Modelo com efeitos fixos para países e anos ... 52
5 CONCLUSÃO ... 54
ÍNDICE DE TABELAS
TABELA 1 - Multiplicador de tecnologia para as emissões nacionais de CO2 ... 59
TABELA 2: Modelos STIRPAT das ameaças ambientais antrópicas ... 26
TABELA 3: Resultados da estimação a partir do modelo de Efeitos Aleatórios ... 29
TABELA 4 – População, consumo e as emissões de carbono na China (1978-2008) ... 60
TABELA 5: Variáveis utilizadas na pesquisa ... 41
TABELA 6 – Decomposição de variância para cada variável ... 47
TABELA 7 – Modelo sem Efeitos Fixos ... 49
TABELA 8 – Modelo com Efeitos Fixos para países ... 50
TABELA 9 – Modelo com Efeitos Fixos para anos ... 51
ÍNDICE DE FIGURAS
FIGURA 1 – Emissão de CO2 na América Latina entre 1970 – 2010 ... 44
1 INTRODUÇÃO
Entende-se por impacto ambiental uma alteração no meio ambiente ou em algum de seus componentes seja por uma determinada ação ou atividade humana. Há muito tempo se fala que a intensificação da atividade econômica, principalmente em países em desenvolvimento geram maiores emissão de gases poluentes, como o CO2, e com isso
cada vez mais o meio ambiente está sendo degradado pela sociedade.
A partir da década de 1970, pesquisadores começaram a aprofundar seus estudos verificando quais seriam os indutores de impacto ambiental, ou seja, quais variáveis auxiliavam no aumento da emissão de gases poluentes e consequentemente degradação ambiental.
Os pioneiros deste assunto foram Paul Ehrlich e John Holdren que criaram o modelo IPAT (Impacts by Population, Affluence and Technology) o qual media o impacto gerado pela população, afluência (renda) e tecnologia sobre o meio ambiente, porém segundo Dietz e Rosa (1994), este modelo era apenas contábil não sendo possível testar hipóteses.
Portanto, em meados de 1990, Dietz e Rosa (1997) criaram um modelo denominando-o de STIRPAT (Stochastic Impacts by Regression on Population, Affluence and Technology), ou seja, uma versão estocástica do modelo IPAT no qual era possível
efetuar o teste hipóteses e aplicar métodos estatísticos para a análise dos resultados. Diversos pesquisadores tomaram este modelo como ponto de partida para efetuar suas pesquisas em diferentes países e regiões e em sua grande maioria concluíram que a população e a renda (PIB) são os maiores indutores de impacto ambiental (YORK et al, 2003; DIETZ et al, 2007; SILVA et al, 2011).
Na grande maioria dos estudos o CO2 é utilizado como medida de impacto, pois
segundo SILVA et al (2011) este é o principal gás responsável pelas mudanças climáticas. Para Dietz e Rosa (1997), o CO2 está entre uma das forças motrizes mais importantes e
também seus dados estão disponíveis para uma variedade maior de países.
Dentro deste contexto, o objetivo deste trabalho é verificar e analisar através da utilização do modelo STIRPAT se a população total, população urbana, população economicamente ativa, PIB per capita e área agrícola podem ser consideradas indutores de impacto ambiental, isto é, estimuladoras da emissão total CO2 para os países da
América Latina, no período de 1970 a 2010. Para tanto, foram estimados quatro modelos sendo um sem efeitos fixos e os demais com efeitos fixos para países, para anos e para países e anos.
2 REFERENCIAL TEÓRICO
O referencial teórico deste trabalho foi dividido em três seções. Na primeira seção é realizado um breve histórico sobre o debate sobre os temas desenvolvimento econômico e impacto ambiental. A segunda seção aborda os dois principais modelos clássicos de cálculo de impacto ambiental, IPAT e STIRPAT. E, a terceira seção, apresenta estudos realizados aplicando os modelos apresentados na segunda sessão de modo a avaliar os indutores de impacto ambiental.
2.1 BREVE HISTÓRICO: DESENVOLVIMENTO ECONÔMICO E IMPACTO AMBIENTAL
A noção que o crescimento populacional afeta os recursos naturais disponíveis e o bem-estar social é tão antiga quanto a civilização e talvez que a história escrita em si. Heroditus escreveu no século 5 a.C., a respeito da população dos Lídios que ficou conhecida como a que ultrapassou a produção ocasionando uma fome prolongada que durou 18 anos. Seneca, nas primeiras décadas da era cristã, observou uma relação entre a população e a poluição em Roma. O autor relacionou a poluição ao crescimento de fogos de cozinha doméstica, ao aumento do trafego nas ruas da cidade e a queima de corpos nos limites da cidade. Porém, apesar disso, as relações entre população e meio ambiente eram informais e incipientes (DIETZ; ROSA, 1994).
O entendimento da relação entre população e recursos foi desenvolvida de forma mais concreta a partir do século XVIII com publicações de economistas clássicos, como Thomas Malthus. Malthus fez alguns questionamentos que deram estrutura a uma ideia mais concreta: “What effects does population growth have on the availability of resources needed for human welfare?”, sua resposta foi que o crescimento geométrico da população acabaria por ultrapassar o crescimento aritmético dos recursos disponíveis, ou seja, o resultado seria a miséria e a pobreza extrema.
acrescentando uma nova visão às ciências sociais e biológicas, a ecologia humana1.
Porém a investigação dessas inter-relações foi ignorada. Esta história preparou o terreno para a reacender um antigo debate: o aumento da preocupação com as mudanças no meio ambiente ocasionadas pelo homem (DIETZ; ROSA, 1994).
No início da década de 1970, a afirmação de que o crescimento populacional teria forte efeito negativo sobre o bem-estar humano ganhou força com as publicações de diversos autores como, Ehrlich (1968), Catton (1982), Holdren (1991). Enquanto o crescimento da população não parece ter tido efeitos desastrosos sobre o bem-estar como sugeriu Malthus, os efeitos do crescimento populacional e econômico não foram exaustivamente estudados. Segundo Dietz e Rosa (1994), apenas alguns trabalhados oferecem analises empíricas ou conceituais das forças motrizes humanas das mudanças ambientais.
Para os autores, existiam quatro diferentes posições dos efeitos de crescimento populacional e econômico sobre o meio ambiente. O primeiro ponto de vista utilizado por Ehrlich (1968), Holdren (1991), entre outros autores trazia como base a Teoria Malthusiana a qual afirmava que o crescimento populacional traria efeitos catastróficos sobre o meio ambiente e bem-estar humano. Ehrlich (1968), alertou para a fome em massa devido à superpopulação e defendeu medidas imediatas como, aumentar a cobrança de impostos para famílias que possuíam mais crianças, incentivar os homens a fazerem a vasectomia, entre outras medidas para limitar o crescimento da população.
A segunda posição reconheceu que o crescimento populacional e econômico criaria uma maior demanda por recursos, porém presumiu que a escassez resultante impulsionaria o progresso tecnológico e com ele a busca por substitutos aumentaria a eficiência e assim o efeito líquido da população e do crescimento econômico sobre a escassez de recursos e bem-estar humano seria neutro ou até positivo. Segundo Simon (1981), o efeito do crescimento seria invariavelmente positivo.
A terceira posição sugeriu que as tecnologias utilizadas para estimular o crescimento eram muitas vezes selecionadas sem levar em conta o seu impacto ambiental. Logo, os impactos ambientais estariam mais relacionados como uma função da economia política da escolha tecnológica do que da população ou o crescimento econômico e com isso a população teria um efeito indireto que poderia ser mitigado através de uma
1 Entende –se por ecologia humana o estudo cientifico das relações entre o homem e o meio ambiente,
mudança institucional ou tecnológica. Alguns defensores desta posição foram Barkin (1991), Commoner (1992), O’Connor (1988) entre outros.
A quarta e última posição foi vista como o meio termo, pois para ela a população não era a força motriz dominante dos impactos ambientais, mas um contribuinte atuando juntamente com a renda e a tecnologia. Keyfitz (1991), Ridker (1972, 1979 e 1992) e Ridker e Cecelski (1979) são os defensores desta posição.
Porém, como foi dito anteriormente, havia pouco trabalho empírico sobre os impactos da população sobre o meio ambiente. Em 1962, foi publicado por Rachel Carson o livro “Primavera Silenciosa” que fez uma abordagem sobre os problemas ocasionados pelas substâncias tóxicas utilizadas na agricultura alertando para os efeitos dessa utilização sobre os recursos ambientais. (GOMES, 2011; CARSON, 2002; JACOBI, 2005)
Em meados da década de 1970, surgiu o Clube de Roma formado por cientistas, industriais e políticos que tinha por objetivo debater e analisar os limites do crescimento econômico levando em conta o uso crescente dos recursos naturais. Em 1972, o grupo de pesquisadores liderado por Dennis L. Meadows publicou um relatório chamado "Os limites do crescimento". No estudo, os pesquisadores fizeram uma projeção para cem anos o qual apontou que, para atingir a estabilidade econômica e respeitar a disponibilidade dos recursos naturais, seria necessário paralisar o crescimento da população global e do capital industrial.
Esta projeção levou a uma rediscussão das teses de Malthus sobre os perigos do crescimento da população mundial. A tese do crescimento zero foi considerado um ataque às teorias de crescimento econômico contínuo propostos pelas teorias econômicas. Este relatório foi importante, pois influenciou as discussões ocorridas na Conferência das Nações Unidas para o Meio Ambiente em Estocolmo, em 1972 (GODOY, 2007).
A literatura mais extensa sobre o assunto foi encontrada em documentos elaborados em 1972 para a Comissão dos Estados Unidos. A conclusão da Comissão foi que o crescimento populacional é geralmente menor do que o impacto do crescimento econômico. Ridker (1972), observou também que os efeitos de crescimento podem ser apaziguados através de escolhas de políticas, tecnologias e instituições apropriadas.
modificação da natureza, ou seja, as decisões de políticas econômicas devem reconhecer as consequências ambientais da utilização dos recursos e que eles estão diretamente associados ao desenvolvimento econômico (LAZZAROTTI, 2013).
Segundo Gomes (2011), estes acontecimentos marcaram a percepção da importância em estabelecer a diferença entre crescimento econômico associado à degradação ambiental e uma nova proposta, de um modelo de desenvolvimento que equilibrasse o crescimento econômico com o aspecto social e que fosse condizente com a percepção da escassez dos recursos naturais.
Na Conferência de Estocolmo, em 1973, o termo ecodesenvolvimento foi proposto e ampliado pelo economista Ignacy Sachs que, além da preocupação com o meio ambiente, agrupou as questões sociais, econômicas, culturais, de gestão participativa e ética. A década de 1980 ficou marcada por duas tragédias ambientais, Bhopal, em 1984 e Chernobyl, em 1986 que acabaram reafirmando a necessidade de atenção as ações realizadas pelo homem sobre o meio ambiente sem mensuração de impacto ambiental.
Em 1987, a Comissão Mundial sobre Meio Ambiente e Desenvolvimento (CMMAD), adotou o conceito de Desenvolvimento Sustentável no Relatório Brundtland. A definição de desenvolvimento sustentável, segundo o Relatório de Brundtland (1987),
“O desenvolvimento que procura satisfazer as necessidades da geração atual, sem comprometer a capacidade das gerações futuras de satisfazerem as suas próprias necessidades, significa possibilitar que as pessoas, agora e no futuro, atinjam um nível satisfatório de desenvolvimento social e econômico e de realização humana e cultural, fazendo, ao mesmo tempo, um uso razoável dos recursos da terra e preservando as espécies e os habitats naturais”.
Este novo conceito foi definitivamente incorporado durante a Conferência das Nações Unidas sobre Meio Ambiente e Desenvolvimento - a Cúpula da Terra de 1992 (Eco-92) - no Rio de Janeiro. O objetivo da conferência foi procurar meios para reduzir as diferenças entre os países desenvolvidos e os subdesenvolvidos através da utilização de ações e atividades com o foco na preservação de recursos naturais (MALHEIROS, 2008).
econômico aumentava, a concentração de renda também aumentava, porém chegaria um ponto em que esta relação se invertia.
Mesmo alvo de muitas críticas por parte da academia, a CAK serviu de inspiração para diversos estudos realizados na década de 1990 que, segundo Dinda (2004), estes tinham por objetivo demonstrar que nos estágios inicias de crescimento a pressão sobre o meio ambiente é maior do que a renda.
A exemplo disso temos a pesquisa de Grossman e Krueger (1995), que examinou a relação entre renda per capita e vários indicadores ambientais. Seu estudo abrangeu quatro tipos de indicadores: poluição do ar urbano, o estado do regime de oxigênio em bacias hidrográficas, a contaminação fecal de bacias hidrográficas e contaminação das bacias hidrográficas por metais pesados.
Os autores não encontraram nenhuma evidência de que a qualidade do meio ambiente se deteriorasse com o crescimento econômico. Pelo contrário, para a maioria dos indicadores, o crescimento econômico acarreta em uma deterioração em uma fase inicial seguida por uma fase de melhoria, confirmando o comportamento da CAK.
Selden e Song (1994), utilizaram quatro tipos de poluentes com o objetivo de verificar a relação de U invertido entre as emissões e a renda. Os autores encontraram evidencias sobre a existência da CAK para os quatro tipos de poluentes utilizando como variáveis as emissões, PIB e PIB ao quadrado.
Hilton e Levinson (1998), descreveram a relação entre as emissões de chumbo automotivo e o PIB e chega a três conclusões: em primeiro lugar, as emissões de chumbo apresentaram um formato de U invertido assim como a CAK em relação ao PIB. Em segundo lugar, o pico da curva é sensível a forma funcional estimada e ao período de tempo considerado. E, em terceiro lugar, a poluição de chumbo automotivo é o produto de dois fatores, quantidade de chumbo por galão de gasolina e consumo de gasolina. A porção em declínio da curva depende da redução do teor de chumbo da gasolina e não do uso de gasolina.
econômico, a CAK e a Pegada Ecológica. Os autores descobriram que a energia é, em grande parte, responsável pela falta de uma relação com a CAK e que os níveis de consumo de energia teriam que ser cortados em mais de 50% a fim de estabelecer uma relação estatisticamente significativa com a Curva.
Segundo Avila (2011), a grande variedade de resultados que, em alguns casos confirmam a hipótese na qual as CAK se fundamenta e, em outros a contradizem, pode estar associada a técnica econométrica por trás dos resultados obtidos.
Ao longo desta seção foi apresentado um breve histórico a respeito da relação entre o desenvolvimento/crescimento econômico e impactos ambientais. Pode ser observado que ao longo do século XX a população foi considerada a principal causadora da degradação ambiental. Na próxima seção serão apresentados os modelos clássicos criados para a mensuração de impacto ambiental, IPAT e STIRPAT.
2.2 OS MODELOS CLÁSSICOS IPAT E STIRPAT
O desenvolvimento sustentável tem se destacado no contexto mundial, onde diversas ações e políticas estão sendo direcionadas à preservação do meio ambiente. A sociedade está compreendendo que não é mais possível ignorar as questões ambientais em decorrência do crescimento econômico, sendo necessário garantir que as próximas gerações também possam usufruir das mesmas condições que a geração atual.
A partir da década de 1970, foram realizados diversos estudos com o objetivo de mensurar o impacto causado sobre o meio ambiente em consequência do crescimento econômico. Os pesquisadores Paul Ehrlich e John Holdren foram os primeiros a desenvolver um modelo em que fosse possível mensurar o impacto gerado por três variáveis que, nesta época, eram consideradas as principais ocasionadoras de impacto ambiental. Surge então o modelo IPAT que estimava o impacto ambiental através da multiplicação da população, afluência (renda) e tecnologia.
Para Dietz e Rosa (1994), o modelo IPAT “has appealing features. It has structure much of the debate about the effects of population, affluence and technology on
the environment, and has been a widely adopted perspective in ecology”.
sistemático por que especifica a relação matemática entre as forças motrizes e seus impactos, e robusto, pois é aplicável a uma grande variedade de impactos. (DIETZ; ROSA, 1997).
O modelo é representado pela seguinte equação:
= × × (1)
Onde, I é o impacto ambiental, P é a população, A é a afluência, entenda-se como riqueza ou atividade econômica por pessoa e T é o impacto ambiental por unidade de atividade econômica que é determinada através da tecnologia utilizada para a produção de bens e serviços. Segundo Zhu e Peng (2012), a identidade IPAT pode ser considerada um modelo de contabilidade, em que um termo era derivado a partir dos valores dos outros três termos.
O IPAT é uma identidade matemática e foi utilizada como uma equação contábil em que os valores conhecidos para I, P e A são utilizados para resolver T. A afluência é determinada como o PIB per capita, de modo que PA = P (PIB/P) = PIB. Assim, por definição, T = I / (PA) ou T = I/ PIB (YORK et.al, 2003).
Os principais pontos fortes do IPAT, segundo York et.al (2003), tratam o modelo como uma especificação parcimoniosa das forças motrizes por trás da mudança ambiental, e além disso, identifica com precisão a relação entre essas forças e os impactos. A especificação deixa claro que P, A e T não influenciam os impactos de forma independente um do outro desde que as mudanças em um fator sejam multiplicadas pelos demais fatores.
Uma implicação importante desta especificação é que nenhum dos fatores pode ser considerado o único responsável pelos impactos ambientais, ou seja, se em um país P e T permanecem constantes ao longo de um período enquanto A aumenta, não seria correto afirmar que os impactos foram causados somente por A, uma vez em que P e T mesmo que inalterados, dimensionam os efeitos das mudanças no A (YORK et.al, 2002). Uma das limitações que o modelo IPAT apresentou, segundo Dietz e Rosa (1994), é que os dados para o IPAT eram coletados para população e afluência, sendo a equação resolvida para tecnologia T = I/(P*A). Com isso, uma vez que o impacto ambiental, a população e a afluência eram fixas, a variável tecnologia também seria fixa e esta característica do modelo fez com que os impactos da população e da renda ficassem subestimados frente à tecnologia.
efeitos da taxa de crescimento, distribuição e composição da população; não possui alternativas para o PIB nacional e doméstico bruto; não ser possível aplicar uma variedade de indicadores de impacto ambiental e considerar a possibilidade de criação de índices gerais; o fato de a tecnologia ser avaliada como resíduo ao invés de ser avaliada diretamente; e, a impossibilidade de utilizar modelos com sistema de equações.
Dadas essas limitações, Dietz e Rosa (1997) desenvolveram então uma adaptação ao modelo IPAT em que fosse possível entender melhor as relações da população, dos recursos disponíveis e dos impactos ambientais. Este novo modelo recebeu o nome de STIRPAT (Stochastic Impacts by Regression on Population, Affluence and Tecnology) e foi formulado da seguinte maneira:
= (2)
Na equação acima, I, P, A e T continuam sendo impacto ambiental, população, afluência e impacto por atividade econômica. Os coeficientes “a”, “b”, “c” e “d” são parâmetros e “e” o termo residual. O i subscrito indica as quantidades de I, P, A, T e e, e variam de acordo com o número de observações. Os dados sobre I, P, A e T podem se unir para estimar “a”, “b”, “c”, “d” e “e” utilizando métodos estatísticos padrão, tais como a análise de regressão (YORK et.al, 2003; ZHU E PENG, 2012).
A reformulação do modelo requer múltiplas observações sobre I, P, A e T. Uma importante diferença em relação ao modelo IPAT onde um termo é derivado dos valores dos outros três e que requer apenas dados sobre três das quatro variáveis para um ou algumas observações, a vantagem da formulação do STIRPAT é que o mesmo converte o modelo contábil IPAT para uma formulação padrão para a pesquisa social quantitativa – o modelo linear geral. Como resultado, a matriz substancial de ferramentas estatísticas utilizadas na investigação social quantitativa podem ser aplicadas ao problema de avaliação da importância de cada uma das forças motrizes de impacto ambiental.
A versão estocástica preserva o modelo IPAT, pois o modelo contábil nada mais é do que um caso especial em que os parâmetros a=b=c=d=e=1. Os primeiros testes do STIRPAT puderam ser realizados por operacionalizar os componentes com indicadores facilmente disponíveis para as unidades sociais bem definidas, como os países (DIETZ; ROSA, 1994).
De acordo com Mattos (2012), um ponto adicional na evolução destes modelos e que merece ser destacado é a diversificação da variável dependente, pois ao mesmo tempo em que a maioria dos estudos realizados, desde a formulação do IPAT até o surgimento do STIRPAT, utilizou principalmente a emissão de poluentes como variável dependente, alguns estudos já questionaram estas variáveis e ofereceram outras alternativas.
Na próxima seção serão apresentados trabalhos realizadas com a aplicação do modelo descritos acima.
2.3 ESTUDOS DE IMPACTO AMBIENTAL
Após o detalhamento dos modelos IPAT e STIRPAT, o foco desta seção é apresentar os estudos realizados com o objetivo de estimar os impactos ambientais causados pela população, afluência e tecnologia sobre o meio ambiente através da aplicação dos modelos clássicos.
Dietz e Rosa (1997), realizaram um estudo para estimar os efeitos da população e da renda na emissão de CO2 através do modelo STIRPAT. Os autores utilizaram como
impacto o CO2, pois está entre uma das forças motrizes mais importantes e porque os
dados para CO2 estão disponíveis para uma variedade maior de países.
A análise dos autores contou com 111 países os quais foram disponibilizados 33 dados para o ano de 1989, pois este foi o ano mais recente que os autores encontraram todos os dados relevantes. Eles utilizaram o tamanho da população para P e o PIB per capita para A. No anexo encontra-se a tabela 1 com a lista de países utilizados para este estudo.
Para tornar a regressão factível, os autores estimaram um modelo aditivo em que os efeitos da log da população e log do PIB nas emissões de log CO2 foram ajustados com
um procedimento de regressão não paramétrico. Este método é uma forma de regressão múltipla que não faz suposições sobre as formas funcionais que apontam P e A à I. Os autores desenvolveram funções utilizando modelos com os termos do polinômio no registro da população e da riqueza que foram comparados com o modelo não paramétrico. Os efeitos da riqueza sobre as emissões de CO2 indicaram uma estabilidade e até
mesmo uma redução nos níveis mais altos de PIB. Segundo Dietz e Rosa (1997), esta
em serviços e a capacidade das economias mais ricas para investir em eficiência energética. Porém, este declínio no impacto ocorre somente quando a riqueza per capita de um país está acima de USD 10.000 e apenas 25% da amostra avaliada encontra-se com a renda acima deste nível.
Os autores concluíram que, para a população de nações maiores existem deseconomias de escala2. Estes resultados confirmaram o valor geral do modelo IPAT como ponto de partida para a compreensão das forças antropogênicas de mudança global e sugerem que a população e o crescimento econômico esperado ao longo do tempo irão agravar as emissões de CO2. Os resultados também deram suporte a constante
preocupação com o crescimento da população como um indutor de impacto ambiental. Diferentemente de Dietz e Rosa (1997), a publicação de York et al (2003), teve o objetivo de avaliar as teorias de impacto ambiental sob a perspectiva da ecologia humana, economia política e modernização. Através do modelo STIRPAT foram testados dados do ano de 1996 para 142 países. A variável dependente utilizada foi a pegada ecológica e as variáveis independentes na perspectiva da ecologia humana utilizadas foram: o tamanho da população, percentual da população na faixa etária de 15 a 65 anos, área de terra per capita e latitude do país. Na perspectiva da economia política foram utilizadas o PIB per capita, nação capitalista e posição no Sistema Mundial. E na perspectiva da modernização foram utilizadas as variáveis PIB per capita, PIB per capita quadrático, percentual do PIB não relacionado ao setor de serviço, percentual da população urbana, percentual da população urbana quadrática, ambientalismo do estado, nação capitalista, direitos políticos e liberdades civis.
Os autores testaram 6 modelos através do Método dos Mínimos Quadrados (MQO). No 1º modelo foram utilizadas todas as variáveis; no 2º modelo foram incluídas somente as variáveis ligadas a modernização; no 3º modelo apenas as variáveis de economia política; no 4º modelo as variáveis de ecologia humana; no 5º modelo foi utilizado o STIRPAT quadrático e no último modelo foi utilizado os fatores básicos do modelo STIRPAT, ou seja, população e renda.
Os resultados destes testes apontaram que os impactos mudaram proporcionalmente de acordo com a população confirmando os argumentos da economia ecológica e dos Neomalthusianos que tinham como suposição básica o controle populacional de maneira a evitar crises que poderiam levar a extinção humana. Aumentos
2 Deseconomia de escala: ocorre quando o aumento de custos é maior que o aumento da produção de modo
constantes no PIB per capita também influenciam o impacto ambiental, porém não do mesmo modo como foi dito pelos economistas neoclássicos e apresentado na CAK. As variáveis como ambientalismo do Estado, desenvolvimento do setor de serviços, presença de um sistema capitalista, direitos políticos e liberdades civis não apresentaram impactos expressivos. De modo geral, pôde ser observado que maior parte do impacto humano causado ao meio ambiente foi explicado pelos fatos ecológicos (como as emissões de dióxido de carbono proveniente da queima de combustíveis fosseis) e econômicos.
A exemplo de York et al (2003), Dietz et al (2007) publicaram o artigo “Driving the human ecological footprint” no qual foi realizada uma projeção de pegada ecológica
utilizando o modelo STIRPAT. Para isto, os autores avaliaram os impactos dos drivers amplamente postulados como os estressores ambientais.
Pouco progresso tem sido realizado para determinar a relação exata entre os drivers e os impactos. Segundo os autores, esta lacuna constitui uma barreira significativa
para identificar políticas que possuam maior potencial para reduzir o impacto humano sobre o meio ambiente, projetando os impactos futuros e estimar o nível de esforço necessário para reduzir os efeitos adversos sobre o ambiente. Com isto, os autores avaliaram os impactos dos indutores amplamente postulados sobre o meio ambiente.
População e renda têm sido levantadas como os principais impulsionadores de impacto ambiental, porém existem alguns argumentos que contradizem esta expectativa em relação à renda. Observou-se uma relação curvilínea entre afluência e alguns tipos de impactos ambientais, particularmente os locais, como a poluição da água e do ar, com melhora nas condições ambientais nos níveis mais elevados de riqueza. Esta relação pode ser explicada pela Curva Ambiental de Kuznets, pois esta não linearidade pode ter sido ocasionada por mudanças na estrutura econômica, preferências e padrões de consumo, ou mudanças nos arranjos institucionais, como leis ou impostos destinados a proteger o meio ambiente (DIETZ et al, 2007).
Dietz et. al (2007), estimaram por país o nível de importância relativa a cada um dos indutores hipotéticos de impacto ambiental. Após isso, os autores utilizaram resultados para efetuar a projeção para 2015. Os autores também examinaram a relação entre o estresse ambiental e duas medidas de bem-estar – a expectativa de vida e educação – com o objetivo de determinar a extensão em que o bem-estar pode aumentar sem elevar as ameaças ambientais.
Os autores utilizaram o modelo STIRPAT para testas as hipóteses. A tabela 2 apresenta as estimativas da regressão para o modelo STIRPAT (modelo a) que analisa os efeitos dos indutores abaixo descritos.
População tem elasticidade ligeiramente menor que um o que significa que uma mudança de 1% na população induz uma mudança percentual quase igual em impactos. O PIB per capita mostra uma relação curvilínea com impactos, no qual dentro da gama de observações, os níveis mais elevados de riqueza produzem pegadas maiores do que seria esperado de uma relação proporcional. A proporção do PIB no setor de serviços, a proporção da população urbana e a proporção da população nos grupos etários não possuem efeito líquido sobre o impacto ambiental. O montante de terra per capita tende a aumentar o impacto e países temperados e de latitudes árticas tendem a ter um impacto maior do que os trópicos (DIETZ et al, 2007).
TABELA 2: Modelos STIRPAT das ameaças ambientais antrópicas
Variáveis Independentes Modelo Completo
(modelo A)
Modelo Completo com Índices de Bem- Estar
(modelo B)
Modelo reduzido para Projeções
(modelo C)
População 0,934*** 0,930*** 0,931***
PIB per capita - termo linear -0,863* -0,901* -0,661*
PIB per capita - termo quadrático 0,178*** 0,183*** 0,161***
PIB por cento não em seita serviço -0,017 -0,020 na
% população urbana 0,069 0,060 na
% população com idade superior a 15 anos 0,422 0,400 na
Área do terreno 0,062** 0,065** 0,052*
Temperado 0,071* 0,069** 0,085**
Ártico 0,189** 0,188*** 0,181**
Índice de Educação Na -0,050 na
Índice de esperança de vida Na 0,082 na
Intercepto 1,098 1,189 0,562
R² ajustado 0,971 0,971 0,966
N 128 128 135
*p < 0,05; **p < 0,01 ***p < 0,001 na = não aplicável
Para o modelo B, os autores acrescentaram os índices da ONU para instrução (educação) e para expectativa de vida a fim de investigar a relação entre o bem-estar humano e o impacto ambiental ao invés de apenas verificar a relação entre riqueza e meio ambiente. Os resultados mostraram que nenhum dos critérios acrescentados está relacionado com o impacto ambiental.
Com base no resultado parcimonioso do modelo C, os autores desenvolveram as projeções de Pegada Ecológica utilizando a média das projeções populacionais da ONU e um pressuposto de crescimento econômico moderado. A projeção produz uma pegada global estimada de cerca de 18,1 bilhões de hectares em 2015, ou seja, 34% maior do que a pegada atual de 13,5 bilhões de hectares segundo Loh e Wackernagel (2004). Este resultado coloca a pegada ecológica ao equivalente a 1,2 planetas e para 2015 os autores projetaram uma pegada de 1,6 planetas.
A análise realizada pelos pesquisadores mostrou que o tamanho da população e da riqueza são os principais indutores de impactos ambientais, enquanto outros drivers amplamente postulados como urbanização, distribuição etária e estrutura econômica tem pouca influência. A projeção realizada sugeriu que os aumentos da população e da renda provavelmente expandirão o impacto humano sobre o meio ambiente por mais de um terço (DIETZ et al, 2007).
Liddle e Lung (2010), utilizaram outra linha de pesquisa e avaliaram os impactos ambientais da emissão de gás carbônico pelo transporte, pelo consumo de eletricidade e pela energia residencial influenciados pela faixa etária da população. O estudo foi realizado em países desenvolvidos e a população foi dividida em três faixas: de 20 a 34 anos, de 35 a 49 anos e de 50 a 64 anos.
Os resultados apontaram que a primeira faixa etária influencia positivamente o impacto ambiental, porem nem sempre significativamente. Já a segunda, obteve significância e influência negativa e a terceira faixa exerce um efeito positivo no consumo de energia residencial.
Na mesma linha de pesquisa, Liddle (2011) publicou um artigo com o objetivo de estudar o impacto ambiental das emissões de carbono dos transportes e consumo de energia elétrica residencial, os quais a população tem demonstrando grande influência.
período de 1960-2007. O autor explica que os painéis não são equilibrados, pois os dados para energia começaram a ser publicados em 1973 para a Dinamarca e os dados de população em 1971 para a Grécia e em 1976 para o Canadá. Como variáveis dependentes Liddle (2011) utilizou CO2 dos transportes e a eletricidade residencial. Como variáveis
independentes ele utilizou o mercado elétrico e a população dividida conforme explicado anteriormente.
Como resultado, Liddle (2011) obteve que a população entre 20 e 34 anos possui coeficientes positivos para a emissão de gás carbônico de transporte, o que não acontece nas demais faixas. O consumo residencial de energia elétrica, apresentou um impacto em formato de U, onde as faixas mais novas e mais velhas apresentaram coeficientes positivos e, as intermediárias, coeficientes negativos. A estrutura etária é importante, pois (i) as pessoas em fases diferentes da vida têm diferentes níveis de atividade econômica; (ii) a idade do chefe de família está associada ao tamanho da mesma, e as famílias maiores consomem menos por pessoa do que os conjuntos familiares menores. Este artigo baseou-se em Liddle e Lung (2010) por também enfocar os impactos ambientais babaseou-seados no consumo e sobre a influência de mudança da estrutura etária em um cenário empírico.
Silva et al (2011) realizaram um trabalho semelhante aos recém apresentados e analisou os determinantes da emissão de CO2 devido ao uso de combustíveis fosseis para
12 países sul-americanos entre 1970 e 2005. Para isto, utilizaram o modelo STIRPAT através da aplicação de dados em painel não balanceado (devido à ausência de alguns dados para o Suriname), em modelos de Efeitos Aleatórios. Segundo Silva et al (2011 apud GREENE, 2008, p. 6), o modelo de efeitos aleatórios pressupõe que os efeitos omitidos ou o erro não observável são não correlacionados com as variáveis incluídas no modelo.
Os países analisados pelos autores foram: Argentina, Bolívia, Brasil, Chile, Colômbia, Equador, Guyana, Paraguai, Peru, Suriname, Uruguai e Venezuela. A emissão de CO2 foi utilizada como variável dependente e, como variáveis independentes foram
utilizados o PIB per capita, a população total, desagregada e o percentual da população urbana e a intensidade energética.
Os pesquisadores estimaram 3 modelos a partir do modelo de efeitos aleatórios. O primeiro modelo, inseriu apenas uma variável para renda, população e tecnologia, assemelhando-se ao IPAT e como já era esperado, a população exerceu efeito positivo sobre a emissão de CO2, ou seja, um aumento de 10% na população acarretou um aumento
ocasionou um aumento de 8,9% nas emissões. Como pode ser observada na tabela 3, o percentual da população urbana e a intensidade energética também apresentaram efeito positivo sobre as emissões de carbono.
O segundo modelo foi baseado no de York et. al. (2003) que incluiu a variável PIB per capita ao quadrado com o objetivo de avaliar se os países apresentavam um comportamento semelhante ao da Curva Ambiental de Kuznets, o qual dizia que a medida em que a renda aumenta, as emissões de carbono atingem um nível máximo passando a decrescer após vários aumentos de renda. Os resultados apontaram a existência da CAK dado que as variáveis tanto na forma linear como na quadrática apresentaram sinais positivos e negativos e são estatisticamente significativas. Segundo os autores, o ponto em que a emissão chegou ao seu auge e então passou a cair com aumentos constantes de renda de aproximadamente US$ 464.211,00, isto é, é necessário um nível muito alto para que as emissões de carbono comecem a decrescer.
O terceiro modelo, apresentou a incorporação das variáveis que desagregaram a população em três faixas etárias, população de 20 a 34, de 35 a 49 e de 50 a 64 anos. Como pode ser observado na tabela abaixo, a variável população de 20 a 34 anos foi não significativa, já a população total e as faixas de 35 a 49 e 50 a 64 anos mostraram-se significativas.
TABELA 3: Resultados da estimação a partir do modelo de Efeitos Aleatórios
Modelo (1) Modelo (2) Modelo (3)
PIB per capita 0.669 *** 1.940 *** 0.614 ***
[0.11] [0.60] [0.11]
(PIB per capita)² - - 0.074 ** -
[0.03]
População Total 0.899 *** 0.937 *** 0.830 ***
[0.12] [0.11] [0.09]
População (20-34) - - - 0.228
[0.27]
População (35-49) - - 0.822 ***
[0.30]
População (50-64) - - - 1.01***
[0.32]
(%) população urbana 1.565 *** 1.304 *** 1.69 ***
[0.36] [0.32] [0.35]
Intensidade Energética 0.419 ** 0.47 ** 0.421 **
[0.17] [0.15] [0.16]
Constante - 11.30 *** - 15.90 *** - 12.06 ***
[1.69] [2.83] [1.84]
R² 0.8932 0.8967 0.9000
Países (unidades cross-sections) 12 12 12
Número de Observações 95 95 95
Nota: * p< 0.1; ** p< 0.05; e *** p<0.01
Para Silva et.al. (2011), estes resultados confirmam a ideia proposta pelo modelo IPAT, no qual população, renda e tecnologia afetam positivamente as emissões de CO2.
Como um dos principais resultados, os autores apontaram que a população exerceu um efeito maior sobre as emissões de carbono que as demais variáveis e que as emissões apresentaram significativa sensibilidade à urbanização, confirmando a teoria de que países em estágio inicial de desenvolvimento/industrialização apresentam elevado potencial poluidor dado um nível tecnológico atrasado e ineficiente.
O artigo publicado por Zhu e Peng (2012) teve por objetivo analisar os impactos do tamanho e estrutura da população e nível de consumo sobre as emissões de carbono na China entre 1978 e 2008. Para os autores, “Clearly identify the relationship between population and carbon emissions is highly challenging primarly because of the wide
ranging effects of population on carbon emissions”. Geralmente, esses efeitos exercem
influência indireta sobre o consumo, produção, tecnologia, entre outros.
Atualmente, a China está em fase de transição demográfica, ou seja, passando de exploração agrícola para urbana, de uma sociedade nova para uma velha e de uma sociedade ligada a terra para uma mais flutuante. A dinâmica populacional e as mudanças nos padrões de consumo têm e continuarão influenciando o uso da energia da China e consequentemente as emissões de carbono. Para Zhu e Peng (2012) se estas questões forem examinadas, as melhorias na tomada de decisões para desenvolvimento de menores emissões de carbono serão facilitadas.
Para isso, os autores incorporaram a estrutura da população (estrutura etária, grau de urbanização e o tamanho da família) para o modelo STIRPAT para analisar os impactos do tamanho da população sobre as emissões de carbono. A tabela 4, constante no anexo, apresenta os resultados do modelo. Segundo Zhu e Peng (2012), mudanças no nível de consumo e na estrutura da população foram os dois principais fatores que afetaram as emissões de carbono. A China tem enfatizado longa conservação de energia e redução de emissões em campos industriais. As taxas de consumo residenciais continuaram a diminuir nas últimas décadas. Assim, o efeito do consumo residencial nas emissões de carbono parece não ter importância. Porém, este estudo mostrou que o impacto das mudanças no nível de consumo sobre as emissões de carbono na China foi maior do que os outros fatores considerados no modelo.
autores, os políticos deverão encontrar uma maneira de controlar as emissões sem sacrifício dos padrões de vida.
Liddle (2013) analisou o papel da população urbana e da afluência (PIB per capita) sobre o impacto ambiental nos países desenvolvidos e em desenvolvimento através do modelo STIRPAT. Além de considerar os impactos ambientais particularmente influenciados pela população e afluência (as emissões de carbono oriundas do transporte e consumo de energia elétrica residencial) o artigo determina se, em caso afirmativo, como essas relações de impacto ambiental variam entre os diferentes níveis de desenvolvimento através da análise de painéis compostos por países ricos, médios e pobres. Por fim, o autor utiliza técnicas avançadas baseadas em series temporais, como o painel de cointegração e painel totalmente modificado MQO (FMOLS) para estimar as elasticidades variáveis.
Foram utilizadas séries temporais de dados abrangendo o período de 1971 a 2007 para 31 países desenvolvidos da OCDE e 54 países em desenvolvimento ou que não fizessem parte da OCDE. As variáveis utilizadas no estudo foram: emissão de CO2 através
do transporte, consumo residencial total de energia elétrica, afluência (renda), população urbana e parcela do consumo residencial em energia.
De acordo com os resultados, as medias de todas as variáveis, exceto para a população urbana, decresceram com a renda, ou seja, o painel dos países ricos tem
maiores medias de impacto ambiental (emissões de transporte de carbono e do consumo
de eletricidade residencial) e eletrificação, o dos países médios rem as seguintes maiores
medias e os pobres as menores médias. Além disso, para as variáveis que estão agregadas
(os impactos e a população urbana), a dispersão é bastante elevada em todos os painéis.
A dispersão é menor para a parte elétrica indicando uma forte associação entre
eletrificação e nível de desenvolvimento (LIDDLE, 2013).
Liddle (2013), estimou as elasticidades de longo prazo para os dois impactos
ocasionados pelo consumo: as emissões de carbono provenientes do transporte e consumo
de energia elétrica residencial, respectivamente, para os quatro painéis. Para ambos os
modelos as estimativas de elasticidade parecem diferir consideravelmente quando são
estimados a partir de painéis de acordo com o nível de desenvolvimento em comparação
com quando todos os países são agrupados. Para determinar se os coeficientes estimados
para os vários painéis são de fato estatisticamente diferente,intervalo de confiança de 99
por cento são exibidos também.
por dois painéis, em seguida, os coeficientes devem ser estatisticamente diferente, pelo
menos no nível deum por cento.
Para as emissões de carbono provenientes do transporte, os coeficientes riqueza e
população urbana não são estatisticamente diferentes de unidade para o painel "todos os
países". Da mesma forma, os coeficientes de afluência não são estatisticamente diferentes
de unidade para os painéis de países pobres e médios. Afluência tem um maior impacto
ambiental do que a população urbana em países pobres e médios; mas a afluência tem um
impacto menor do que a população urbana para os países ricos, e elasticidade da riqueza
para os países ricos é consideravelmente menor do que a elasticidade da riqueza estimada
a partir do painel de "todos os países" (LIDDLE, 2013).
Segundo Liddle (2013), este resultado não é surpreendente, pois os países ricos
provavelmente perto de saturação em aspectos como a propriedade do carro, assim que a
renda adicional não aumentaria as emissões, tanto quanto a adição de uma outra pessoa
de alto consumo. Além disso, ambos os intervalos de confiança e a diferença de meios
testes mostram que a elasticidade da afluencia para os países ricos é significativamente
diferente da elasticidade da riqueza para os países pobres e médios. No entanto, as
elasticidades de afluência para os painéis de países pobres e médios não são
estatisticamente diferentes um do outro.
Para as emissões de carbono provenientes do transporte, a influência da população
urbana sobre o impacto ambiental tem uma relação de U invertido em relação ao nível de
desenvolvimento. O coeficiente para a população urbana é maior para os países do
Oriente do que para os países pobres, e é maior para os países do Oriente do que para os
países ricos. No entanto, essa diferença de impacto é estatisticamente significativa apenas
para os painéis dos países ricos e meio e, em seguida, apenas no nível de dez por cento.
Tendo o consumo residencial de energia elétrica como variável dependente, podemos verificar que a influência da riqueza sobre o impacto ambiental é consideravelmente menor do que a população urbana ou o acesso a rede elétrica (share eletric). Esse resultado pode indicar que os países pobres diferem substancialmente em
relação a rede elétrica mesmo controlando o PIB per capita.
afluência. Para os países ricos todas as três variáveis têm elasticidades bastante semelhantes.
Considerando as diferenças de elasticidade entre os diferentes níveis de desenvolvimento pôde ser observado a não-linearidade para as três variáveis. O impacto da riqueza tem uma relação de U invertido em relação ao desenvolvimento semelhante a Curva Ambiental de Kuznets. O share eletric é uma parte importante do processo de desenvolvimento, e o coeficiente é inferior nos países ricos do que os países médios assim como acontece com a elasticidade da riqueza no que diz respeito às emissões de carbono do transporte. No entanto, para a riqueza, as diferenças entre os painéis de países ricos e pobres e entre os painéis de países médios e ricos não são estatisticamente significativas. O paper escrito por Liddle abordou se as elasticidades de riqueza e população se alteravam de acordo com o desenvolvimento dos países e para isso o autor utilizou-se de painéis compostos por países ricos, médios e pobres. O artigo dirigiu uma crítica a Wagner (2008) que tratou sobre a literatura da Curva Ambiental de Kuznets onde as regressões envolvendo transformações não-lineares poderiam ser espúrias e testes de significância inválidos.
Assim como a sua publicação de 2013, Liddle (2015) realizou um estudo sobre quais são as elasticidades das emissões de carbono para a renda e população e se elas diferem entre os níveis de desenvolvimento ou renda da população. Para isso, utilizou o estudo de Kaya3 e o modelo STIRPAT.
Além disso, o artigo aborda uma questão empírica importante ao ambiente de desenvolvimento de pesquisa: a transformação não-linear de variáveis potencialmente integradas. Liddle (2015) faz uma crítica ao modelo STIRPAT e preenche a literatura com outros modelos socioeconômicos de impacto ambiental que colocam a variável dependente em termos per capita (por exemplo, Curva Ambiental de Kuznets).
Esta ligação é estabelecida pela demonstração de que a melhor prática sugere assumir que a elasticidade da população é a unidade pela qual as estimativas da elasticidade das emissões de carbono da população são: (i) não robustas, (ii) normalmente não estatisticamente significativamente diferente de um, e (iii) não variam sistematicamente de acordo com uma receita ou o tamanho da população.
Em contrapartida, as estimativas apresentadas demonstraram que a elasticidade das emissões de carbono para a renda são: (i) altamente robustas, (ii) significativamente
3 Kaya Identify: trata das emissões totais de carbono como um produto do PIB per capita da população, o
menores do que um, mas positivas para os países da OCDE, e (iii) significativamente maior para os países não membros da OCDE do que para os países da OCDE. Além disso, a heterogeneidade que os avaliadores consideraram foi explorada para mostrar que essas elasticidades da renda caem com renda média, mas não se tornam negativas.
Além das variáveis independentes da população e da renda, Liddle (2015) considerou duas variáveis para tecnologia: a intensidade de carbono da energia e a intensidade energética do PIB. Como proxy a intensidade de carbono da energia, o autor considerou a parcela do consumo de energia primária, a partir de combustíveis não-fósseis, a mesma utilizada no trabalho de Liddle e Lung (2010). Em vez de incluir a relação agregada energética do PIB, considerou-se uma medida da intensidade energética industrial.
Os resultados da regressão apresentaram um painel contendo todos os países e com a amostra dividida entre os países da OCDE (26) e os 54 países não membros da OCDE. Para os três conjuntos, todos os coeficientes são estatisticamente significativos. Além disso, os diagnósticos são bons: os resíduos são sempre estacionários, e, ou independência transversal nos resíduos não podem ser rejeitadas ou dependência transversal é diminuída (pequenos coeficientes de correlação médios).
Os resultados do painel de todos os países sugerem que a elasticidade da população pode ser maior do que a da renda. Porém, a divisão da amostra em dois painéis pode ser justificada uma vez que, na comparação entre os intervalos de confiança para os dois painéis (comparando países não membros da OCDE e OCDE), a elasticidade da renda para as emissões de carbono é maior para os não-OCDE países do que para os países da OCDE em evidências de um efeito de saturação de renda.
Para os países da OCDE, a elasticidade de renda é inferior a um, ao passo que, a elasticidade para a população não é diferente de um ao nível de 5% de significância estatística. Para os países não membros da OCDE, a elasticidade de longo prazo para a renda não é significativamente diferente de um para o estimador de CMG. A elasticidade para a população é, para o painel de todos os países, maior do que um em média; ainda, apenas para o estimador de AMG é a elasticidade para população significativamente maior do que um ou possivelmente significativamente maior do que a elasticidade da renda.
integrantes da OCDE a elasticidade da renda é significativamente maior do que a dos países mais desenvolvidos, mas não significativamente diferente de um, ou seja, as emissões de carbono e renda são relativamente proporcionais para os países fora da OCDE.
Em contraste com a renda, a elasticidade das emissões de carbono para a população não é de todo robusto e isso pode ser justificado por dois motivos: primeiro por que a elasticidade da população provavelmente não é significativamente diferente de um - mesmo que sua média estimada é muitas vezes maior do que um (os intervalos de confiança que a acompanham são tipicamente muito grandes); e por que elasticidade população não variou de acordo com a da renda.
Como pôde ser observado, existem diversos artigos publicados sobre impactos ambientais e quais seriam seus impulsionadores. A maioria dos estudos chegou à conclusão de que renda e população são os principais indutores do impacto ambiental e que juntos geram grande pressão ambiental.
3 METODOLOGIA
Como foi visto no capítulo anterior, o problema da degradação ambiental ocasionada em virtude da atividade econômica atinge o mundo a muito mais tempo do que imaginávamos (século 5 a.C). A intensificação de estudos com o objetivo de medir o impacto causado sobre o meio ambiente e encontrar seus indutores começou a partir da década de 1970 com Paul Ehrlich e John Holdren, os criadores do modelo IPAT.
Em 1994, Dietz e Rosa desenvolveram uma adaptação ao modelo IPAT justificando que este modelo era limitado, utilizando como principal argumento não ser possível realizar teste de hipóteses. Com isso, surgiu o modelo STIRPAT no qual foi possível aumentar as unidades de análise e realizar teste de hipóteses.
Este modelo foi utilizado por diversos autores para estimar os efeitos de algumas variáveis sobre a produção de indutores de impacto ambiental como o dióxido de carbono. A exemplo disso estão: York et al (2003), Dietz et al (2007), Liddle e Lung (2010), Liddle (2011, 2013, 2015), Silva et al (2011), Zhu e Peng (2012), entre outros.
Este capítulo propõe-se, na primeira seção, a apresentar a estratégia de estimação dos modelos adotada para avaliar o impacto de determinadas variáveis sobre a emissão total de CO2 através da aplicação do modelo STIRPAT em conjunto aos dados em painel
e serão apresentados os modelos estimados. Na segunda seção serão apresentados os países e as variáveis que foram utilizados para estimar os modelos e as justificativas para suas utilizações.
3.1 ESTRATÉGIA DE ESTIMAÇÃO DO MODELO
De acordo com o que foi abordado na seção inicial deste capítulo, o modelo STIRPAT será utilizado como base para a estimação do modelo desta pesquisa, o qual tem por objetivo analisar os efeitos do PIB per capita, da população total, urbana e economicamente ativa e da área agrícola como indutores do impacto ambiental possuem sobre a emissão de CO2 para os países da América Latina.
podemos supor que as observações sejam independentemente distribuídas ao longo do tempo, pois existem fatores não observados que afetam os dados ao longo do período estudado e por este motivo modelos e métodos especiais foram desenvolvidos para analisar dados em painel.
Segundo Sonaglio et al (2010), o objetivo dos dados em painel é obter estimadores consistentes de com propriedades desejadas de eficiência, sendo realizadas hipóteses sobre a correlação entre os termos aleatórios e os regressores, o que determina a forma de estimação não tendenciosa dos parâmetros.
Os dados em painel separaram os fatores não observados que afetam a variável dependente em dois tipos: os que são constantes e os que variam ao longo do tempo (WOOLDRIDGE, 2010).
O modelo de dados em painel com uma variável explicativa observada pode ser representado da seguinte forma:
= + 2 + +∝ + = 1, 2 (4)
Em , i representa a unidade observada (pessoa, país, cidade, etc) e t o período de tempo. A variável d2 é uma variável dummy igual a zero quando t=1 e um quando t=2, portanto o intercepto é quando t=1 e + quando t=2. A variável ∝ capta todos os fatores não observados, constantes no tempo, que afetam por isso é chamado de efeito não observado. O erro é chamado de erro idiossincrático, pois representa os fatores não observados que mudam ao longo do período e afetam .
Do modelo de dados em painel temos dois modelos, um de efeitos fixos e outro de efeitos aleatórios. Para estimarmos o modelo de efeitos fixos devemos considerar um modelo com uma única variável explicativa:
= +∝ + = 1, 2, … (5)
Para cada i, calculamos a média da equação acima ao longo do tempo, obtendo:
= +∝ + (6)
Diminuindo a equação (6) de (5) teremos a equação do modelo de efeitos fixos o qual efeito não observado é removido do modelo:
− = ! − " + − = 1, 2, … (7)
as variáveis de previsão (ex: ser do sexo masculino ou feminino, pode inclusive influenciar a opinião sobre determinado assunto ou sistema político de um país, poderia ter efeito sobre o comércio ou o PIB de um país). (REYNA, 2007).
Quando utilizamos o modelo de efeitos fixos, assumimos que algo no indivíduo pode afetar ou influenciar as variáveis de previsão ou de resultados e isso precisa ser controlado. Os efeitos fixos removem os efeitos que sofrem alteração ao longo do tempo característicos das variáveis de previsão para que seja possível avaliar o efeito líquido das variáveis explicativas (REYNA, 2007).
Para estimar o modelo de efeitos aleatórios, começamos com a equação abaixo:
= + + ⋯ + $ $+ ∝ + (8)
Podemos observar que o intercepto é incluído de modo que é possível supor que o efeito não observado ∝, tem média zero. O modelo de efeitos fixos tem por objetivo retirar ∝, pois ele possivelmente está correlacionado com um ou mais dos %. Caso entenda-se que ∝é não correlacionado com as variáveis explicativas, o uso de uma transformação para retirá-lo pode resultar em estimadores ineficientes (WOOLDRIDGE, 2010).
No modelo de efeitos aleatórios, pressupõe-se que o efeito não observado (∝ " é não correlacionado com cada variável explicativa, ou seja, Cov ( , ∝ "= 0, t = 1, 2 , ..., T; j = 1, 2, ..., k. As hipóteses de efeitos aleatórios incluem todas as hipóteses de efeitos fixos mais o requisito de que ∝ seja independente de todas as variáveis explicativas, em todos os períodos de tempo. Para esta pesquisa foi utilizado o modelo de efeitos fixos, pois acredita-se que existem fatores não observados que podem afetar a variável explicativa, distorcendo os resultados.
A utilização de dados em painel através do modelo STIRPAT já foi utilizado por Liddle e Lung (2010) que estimaram seus modelos usando modelo de efeitos fixos, isto é, utilizaram variáveis dummies para os países e para os períodos, o que segundo os autores é uma prática comum para estudos que empregam STIRPAT com dados em painel. Os efeitos fixos para os países levam em conta as diferenças individuais que são comuns para todo o intervalo de tempo. Os efeitos fixos para os períodos levam em conta as diferenças individuais que são específicas para cada período, mas são comuns para todos os países.
1978 e 2008. Liddle (2013) analisou como a população urbana e o PIB per capita influenciaram sobre o impacto ambiental nos países desenvolvidos e em desenvolvimento. Além de considerar os impactos ambientais particularmente influenciados pela população e a renda, o estudo determinou como essas relações de impacto variaram entre os diferentes níveis de desenvolvimento através da análise de painéis compostos de países pobres, médios e ricos.
Assim como já foi apresentado no referencial teórico, o modelo STIRPAT foi desenvolvido por Dietz e Rosa (1997) como uma adaptação ao modelo IPAT em que fosse possível entender as relações da população, dos recursos e dos impactos ambientais. Este modelo foi formulado da seguinte maneira:
= (3)
Onde I, P, A e T foram definidos como impacto ambiental, população, afluência e impacto por atividade econômica, respectivamente. Os coeficientes “a”, “b”, “c” e “d” são parâmetros e “e” o termo residual. O i subscrito indica as quantidades de I, P, A, T e e, e variam de acordo com o número de observações (YORK et.al, 2003).
O modelo STIRPAT permite a estimação através das variáveis em logaritmos naturais, conforme abaixo:
ln(I) = α + b [ln(P)] + c [ln(A)] +e (4)
Podemos observar que a tecnologia (T) é agregada ao termo de erro, pois assim como no modelo original do IPAT, T é determinado endogenamente pelo PIB, pois não existem variáveis que estimem a tecnologia de forma adequada. Neste modelo, os coeficientes b e c são medidas de elasticidade, ou seja, eles informam o percentual de variação em I quando da variação de 1% em P e A.
Os modelos estimados utilizaram a equação tradicional do STIRPAT para analisar as relações entre a variável dependente e as independentes para os países integrantes da América Latina no período de 1970 a 2010.
Os 4 modelos estimados foram: 1. Modelo sem efeitos fixos:
ln!()2" = * + *+!lnpibpc " + *0!lnpopt " + *3!lnpopea " + *6!lnurbp " +
*9!lnareaagric " + ε (9)
2. Modelo com efeitos fixos para países:
ln!()2" = * + *+!lnpibpc " + *0!lnpopt " + *3!lnpopea " + *6!lnurbp " +
3. Modelo com efeitos fixos para anos:
ln!()2" = * + *+!lnpibpc " + *0!lnpopt " + *3!lnpopea " + *6!lnurbp " +
*9!lnareaagric " + < + ε (11)
4. Modelo com efeitos fixos para países e anos:
ln!()2" = * + *+!lnpibpc " + *0!lnpopt " + *3!lnpopea " + *6!lnurbp " +
*9!lnareaagric " + + < + ε (11)
Onde i denota país e t tempo, pibpc é PIB percapita, popt população total, popea população economicamente ativa, urbp população urbana e areaagric área agrícola.
3.2 PAÍSES E VARIÁVEIS UTILIZADAS NO MODELO
Para a estimação do modelo foram utilizados 194 dos 20 países componentes da América Latina: Argentina, Bolívia, Brasil, Chile, Colômbia, Costa Rica, Cuba, Equador, El Salvador, Guatemala, Honduras, México, Nicarágua, Panamá, Paraguai, Peru, República Dominicana, Uruguai e Venezuela.
A escolha dos países ocorreu, pois verificou-se a ausência de estudos que utilizem estes países para mensuração dos indutores de impacto ambiental. A grande maioria dos autores apresentados no capítulo anterior pesquisaram sobre países da OCDE, países desenvolvidos e subdesenvolvidos, países ricos ou pobres. Os autores que chegaram numa região mais próxima a deste trabalho foram Silva et al (2011) que realizaram um estudo no qual analisaram os determinantes da emissão de CO2 para 12 países sul
americanos entre o período de 1970 e 2005 utilizando o modelo STIRPAT. Quanto ao período, a pesquisa abrangeu os anos de 1970 a 2010, pois foi o período em que os dados foram encontrados para todos os países o que dá consistência a estimação dos modelos.
As variáveis escolhidas como indutoras de impacto ambiental para esta pesquisa foram: o PIB per capita, a população total, o percentual da população entre 15 e 64 anos,
4 O Haiti foi retirado da relação de países por apresentar poucos dados para as variáveis entre 1970-2010.
